MétaCan
Menu
Retour à la cohorte
Enregistrement W4406451527 · doi:10.1007/s12599-025-00924-8

Affordance-Based Information Technology Sensemaking [ABITS]

2025· article· en· W4406451527 sur OpenAlexaff
Arvin Mesgari, Chitu Okoli, Ana Ortíz de Guinea

Notice bibliographique

RevueBusiness & Information Systems Engineering · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensHEC Montréal
Organismes subventionnairesLoyola Marymount University
Mots-clésAffordanceSensemakingKnowledge managementHuman–computer interactionComputer scienceData scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Information Technology (IT) use gives rise to a wide variety of outcomes. This stems in part from the divergent ways in which individuals understand technology. While the sensemaking literature unveils how meaning is attached to organizational phenomena via cognitive and social processes, it overlooks the discovery dimension of making sense, that is detecting the role of the IT artifact in bringing about outcomes. In other words, there is a need to explain how the IT artifact contributes to technology sensemaking and its outcomes. This paper presents a framework that enables scholars to analyze the IT artifact’s role in technology sensemaking and its outcomes. The paper proposes an Affordance-Based IT Sensemaking (ABITS) framework that explicates IT sense-made as a distinctive ontological arrangement among the users’ perceptions of technology affordances, the affordances that users actualize, and the user characteristics that underpin optimal adaptation. The study shows how these sense-made configurations lead to outcomes for individuals and organizations. This conceptual combination allows for the examination of user appropriations of new technology, as well as the integration of the IT artifact into accounts of IT sensemaking and its outcomes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,011
Communication savante0,0060,007
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,253
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness & Information Systems EngineeringMême sujetInformation Systems Theories and ImplementationTravaux en français237 207